[發明專利]情緒檢測方法、裝置、終端設備與可讀存儲介質

在審

• 申請號: 202211250614.6
• 申請日: 2022-10-12
• 公開（公告）號: CN115599883A
• 公開（公告）日: 2023-01-13
• 發明（設計）人: 張震濤;曹曉歡;趙文婷;文俊杰;李金龍
• 申請（專利權）人: 招商銀行股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F18/241;G06N3/04;G06N3/08;G10L15/26;G10L25/63
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 胥巧莉

1.一種情緒檢測方法，其特征在于，所述情緒檢測方法包括以下步驟：

獲取音頻數據，并將所述音頻數據轉化為初始文本數據；

將所述初始文本數據拆分成第一文本數據及第二文本數據，并為所述第一文本數據添加袋標注；

將所述第二文本數據輸入預置語言糾錯模型，得到第三文本數據；

將所述第三文本數據輸入情緒檢測模型，檢測到所述第三文本數據對應的情緒參數。

2.如權利要求1所述情緒檢測方法，其特征在于，所述將所述第三文本數據輸入情緒檢測模型，檢測到所述第三文本數據對應的情緒參數的步驟之前，還包括：

獲取所述第三文本數據對應的訓練集；

基于所述訓練集及所述訓練集對應的所述袋標注，結合所述訓練集與所述袋標注的映射關系，訓練預置神經網絡模型，得到情緒檢測模型。

3.如權利要求2所述情緒檢測方法，其特征在于，所述基于所述訓練集及所述訓練集對應的所述袋標注，結合所述訓練集與所述袋標注的映射關系，訓練預置神經網絡模型，得到情緒檢測模型的步驟包括：

獲取將所述第三文本數據對應的訓練集輸入至所述預置神經網絡模型后，所述預置神經網絡模型輸出的訓練結果；

將所述訓練結果及所述袋標注輸入至預設的損失函數中，得到所述損失函數輸出的損失值；

基于所述損失值對所述預置神經網絡模型進行調整，直至收斂，得到所述情緒檢測模型。

4.如權利要求3所述情緒檢測方法，其特征在于，所述將所述訓練結果及所述袋標注輸入至預設的損失函數中，得到所述損失函數輸出的損失值的步驟之后，還包括：

基于所述損失值確定所述情緒檢測模型對所述第二文本數據的情緒檢測的準確率。

5.如權利要求3所述情緒檢測方法，其特征在于，所述將所述訓練結果及所述袋標注輸入至預設的損失函數中，得到所述損失函數輸出的損失值的步驟包括：

獲取所有所述第三文本數據對應的所有所述訓練結果；

將所有所述訓練結果及所述袋標注逐一輸入至預設的損失函數中，得到損失值集合；

從所述損失值集合中選取最大損失值。

6.如權利要求1所述情緒檢測方法，其特征在于，所述將所述第二文本數據輸入預置語言糾錯模型，得到第三文本數據的步驟之前，還包括：

在所述第二文本數據中添加噪聲數據，得到第四文本數據；

基于所述第二文本數據及第四文本數據，訓練自編碼語言模型，得到所述預置語言糾錯模型。

7.如權利要求1所述情緒檢測方法，其特征在于，所述將所述初始文本數據拆分成第三文本數據及第二文本數據，并為所述第三文本數據添加袋標注的步驟包括：

獲取所述第二文本數據中的關鍵詞，將所述關鍵詞與預置關鍵詞庫進行比對；

若所述比對的結果為一致，則將所述關鍵詞對應的情緒特征作為所述第二文本數據對應的第三文本數據的所述袋標注。

8.一種情緒檢測裝置，其特征在于，所述情緒檢測裝置包括：

轉化模塊，用于獲取音頻數據，并將所述音頻數據轉化為初始文本數據；

拆分模塊，用于將所述初始文本數據拆分成第一文本數據及第二文本數據，并為所述第一文本數據添加袋標注；

輸入模塊，用于將所述第二文本數據輸入預置語言糾錯模型，得到第三文本數據；

檢測模塊，用于將所述第三文本數據輸入情緒檢測模型，檢測到所述第三文本數據對應的情緒參數。

9.一種終端設備，其特征在于，所述終端設備包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的情緒檢測程序，所述情緒檢測程序被所述處理器執行時實現如權利要求1-7中任一項所述的情緒檢測方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有情緒檢測程序，所述情緒檢測程序被處理器執行時實現如權利要求1-7中任一項所述的情緒檢測方法的步驟。